Outcomes of global coagulation assays in patients with Philadelphia-negative myeloproliferative neoplasms with respect to genetic determinants of clonal progression

Classical myeloproliferative neoplasms (MPNs) are hematopoietic stem cell disorders that manifest with inflammation, promotion of atherosclerosis, hypercoagulability, fibrosis, and clonal evolution. The complex biological background lends itself to multi-omics studies. We have previously shown that reduced platelet fibrinogen receptor (PFR) expression may follow hyperactivation of plasma-dependent mechanisms, such as tissue factor (TF) release, unbalanced thrombin generation, involvement of protease-activated receptors (PARs). Acetylsalicylic acid (ASA) helped to restore the expression of PFRs. In this study, we enrolled 53 MPN patients, subjecting them to advanced genetic testing (panel of 30 genes in NGS), global coagulation testing (Rotational Thromboelastometry - ROTEM) and cytofluorometric determination of PFRs. ROTEM parameters appear to differ considerably depending on the type of pathology under investigation, cell count, and selected mutations. Essential thrombocythemia (ET) and CALR mutation appear to correlate with increased efficiency of both classical coagulation pathways, with significantly more contracted clot formation times (CFTs). In contrast, primary myelofibrosis (PMF) and polycythemia vera (PV) show greater imbalances in the hemostatic system. PV, probably due to its peculiar hematological features, shows a lengthening of the CFT and, at the same time, a selective contraction of parameters in INTEM with the increase of platelets and white blood cells. PMF - in contrast - seems to exploit the extrinsic pathway more to increase cell numbers. The presence of DNMT3A mutations is associated with reduced clotting time (CT) in EXTEM, while ASXL1 causes reduced maximal lysis (ML). EZH2 could be responsible for the elongation of CFT in INTEM assay. In addition, increased PFR expression is associated with history of hemorrhage and sustained CT time in FIBTEM under ASA prophylaxis. Our findings corroborate the existing models on the connection between fibrosis, genetic complexity, clonal progression, and hypercoagulability. Global coagulation assays and PFR expression are potentially useful tools for dynamic evaluation of treatments’ outcomes.

Identificazione e classificazione delle lesioni endocavitarie uterine dalle immagini isteroscopiche con il deep learning

Anche se l'isteroscopia con la biopsia endometriale è il gold standard nella diagnosi della patologia intracavitaria uterina, l'esperienza dell’isteroscopista è fondamentale per una diagnosi corretta. Il Deep Learning (DL) come metodica di intelligenza artificiale potrebbe essere un aiuto per superare questo limite. Sono disponibili pochi studi con risultati preliminari e mancano ricerche che valutano le prestazioni dei modelli di DL nell'identificazione delle lesioni intrauterine e il possibile aiuto derivato dai fattori clinici. Obiettivo: Sviluppare un modello di DL per identificare e classificare le patologie endocavitarie uterine dalle immagini isteroscopiche. Metodi: È stato eseguito uno studio di coorte retrospettivo osservazionale monocentrico su una serie consecutiva di casi isteroscopici di pazienti con patologia intracavitaria uterina confermata all’esame istologico eseguiti al Policlinico S. Orsola. Le immagini isteroscopiche sono state usate per costruire un modello di DL per la classificazione e l'identificazione delle lesioni intracavitarie con e senza l'aiuto di fattori clinici (età, menopausa, AUB, terapia ormonale e tamoxifene). Come risultati dello studio abbiamo calcolato le metriche diagnostiche del modello di DL nella classificazione e identificazione delle lesioni uterine intracavitarie con e senza l'aiuto dei fattori clinici. Risultati: Abbiamo esaminato 1.500 immagini provenienti da 266 casi: 186 pazienti avevano lesioni focali benigne, 25 lesioni diffuse benigne e 55 lesioni preneoplastiche/neoplastiche. Sia per quanto riguarda la classificazione che l’identificazione, le migliori prestazioni sono state raggiunte con l'aiuto dei fattori clinici, complessivamente con precision dell'80,11%, recall dell'80,11%, specificità del 90,06%, F1 score dell’80,11% e accuratezza dell’86,74% per la classificazione. Per l’identificazione abbiamo ottenuto un rilevamento complessivo dell’85,82%, precision 93,12%, recall del 91,63% ed F1 score del 92,37%. Conclusioni: Il modello DL ha ottenuto una bassa performance nell’identificazione e classificazione delle lesioni intracavitarie uterine dalle immagini isteroscopiche. Anche se la migliore performance diagnostica è stata ottenuta con l’aiuto di fattori clinici specifici, questo miglioramento è stato scarso.